[发明专利]自动识别测量项的方法、装置及一种超声成像设备

权利要求书

1.一种自动识别测量项的方法，其特征在于包括：

图像获取步骤，获取指定切面图像帧中各像素点的灰度值，所述像素点的灰度值与被探测生物体组织因反射超声信号而形成的超声回波相对应；

识别步骤，基于各像素点的灰度值识别出指定切面图像帧的切面图像类型，根据当前指定切面图像帧的切面图像类型得出至少一个测量项，从而识别出所述指定切面图像帧对应的测量项；

测量步骤，基于识别出的测量项，测量所述指定切面图像帧的测量项参数。

2.如权利要求1所述的方法，其特征在于，所述基于各像素点的灰度值识别出指定切面图像帧的切面图像类型包括将各像素点的灰度值与预设的各测量项所对应的切面图像数据模型进行比对分析，识别出当前指定切面图像帧的切面图像类型，所述数据模型包括每一切面图像能够区别于其他不同切面图像的特征。

3.如权利要求2所述的方法，其特征在于，所述数据模型包括各测量项所对应切面的形状、亮度范围或大小的物理特征。

4.如权利要求2所述的方法，其特征在于，在识别步骤之前还包括获取对所述生物体组织进行探测时采用的测量模式。

5.如权利要求1-4任意一项所述的方法，其特征在于，识别步骤包括：

根据指定切面图像帧中各像素点的灰度值生成指定切面图像帧的特征；

将指定切面图像帧的特征分别与预设的训练样本模型中各训练样本的特征进行比较；

查找出特征与指定切面图像帧的特征最接近的训练样本，将该训练样本对应的测量项作为指定切面图像帧对应的测量项。

6.如权利要求5所述的方法，其特征在于，所述训练样本的特征为训练样本的特征向量在训练样本的平均值上的投影系数，所述指定切面图像帧的特征为指定切面图像帧的特征向量在训练样本的平均值上的投影系数，所述特征向量为一帧图像中所有灰度值的集合。

7.如权利要求6所述的方法，其特征在于，所述指定切面图像帧的特征通过以下公式计算得出：

w＝E^T(I_test-m)

其中，I_test为指定切面图像帧的特征向量，m为训练样本的平均值，T为矩阵的转置，E为训练样本的正交化特征向量，w为指定切面图像帧的特征向量在训练样本的平均值上的投影系数。

8.如权利要求4所述的方法，其特征在于，识别步骤包括：

根据指定切面图像帧中各像素点的灰度值提取指定切面图像帧中的高亮部分；

根据测量模式对高亮部分进行识别，确定出指定切面图像帧的切面类型；

根据识别出的切面类型及其对应的测量项确定指定切面图像帧对应的测量项。

9.如权利要求8所述的方法，其特征在于，提取指定切面图像帧中的高亮部分包括：

采用聚类分割算法将指定切面图像帧中各像素点的灰度值分成若干类别；

将最大的一个或多个类别的灰度值保持不变，而其它类别的灰度值赋值为0，从而得到特征图像；

对特征图像划分连通区域，找出亮度最大的一个或多个连通区域，得到指定切面图像帧中的高亮部分。

10.如权利要求8所述的方法，其特征在于，根据测量模式对高亮部分进行识别包括：

对高亮部分的亮度和形状进行分析；

根据测量模式和分析结果确定指定切面图像帧的切面类型。

11.如权利要求1所述的方法，其特征在于，所述测量步骤包括手动测量、半自动测量和自动测量。